Python Repositories
Insgesamt 17,901 Repositories
MicroK8s ist ein kleines, schnelles, einpaketiges Kubernetes für Rechenzentren und die Edge.
Private KI-Agenten für streng regulierte Teams und alle, die KI auf dem eigenen Computer nutzen möchten. Open-Source-Python-Agentenframework, das vollständig offline läuft.
Open-Source, kostenloser, plattformübergreifender Bilibili-Video-Downloader, der Multi-Thread-Beschleunigung, Audio-Video-Trennung, Abruf von Untertitel-Metadaten sowie benutzerdefinierte Benennung und Kategorisierung unterstützt.
so-vits-svc-Fork mit Echtzeitunterstützung, verbesserter Benutzeroberfläche und mehr Funktionen.
Ausgewählte Prompts, Frameworks und Fachartikel für LLMs und Agenten mit technischem Schwerpunkt. Prompt Engineering, Context Engineering, Agenten-Harnesses und Red Teaming.
"Context Engineering ist die delicate Kunst und Wissenschaft, das Kontextfenster mit genau den richtigen Informationen für den nächsten Schritt zu füllen." — Andrej Karpathy. Ein wegweisendes Handbuch nach ersten Prinzipien, inspiriert von Karpathy und 3Blue1Brown, um über das Prompt Engineering hinaus zur breiteren Disziplin des Kontextdesigns, der Orchestrierung und der Optimierung zu gelangen.
(⌐■_■) - Deep Reinforcement Learning zur Instrumentierung von bettercap für WiFi-Pwning.
💨 Schnelles, Async-bereites, Openapi, Typen-Hinweise-basiertes Framework zum Erstellen von APIs
Mehrsprachige Dokumentenlayout-Analyse in einem einzigen Vision-Language-Modell
Robust Video Matting in PyTorch, TensorFlow, TensorFlow.js, ONNX, CoreML!
Ein einheitliches Ökosystem und ein Arbeitsbereich für föderiertes Lernen großer Modelle und LLMs im großen Maßstab. Rechenleistung als WLAN speichern
[NeurIPS 2024] Depth Anything V2. Ein leistungsfähigeres Basismodell für die monokulare Tiefenschätzung
Eine gemeinschaftsgetriebene Liste nützlicher Scala-Bibliotheken, Frameworks und Software.
KAG ist ein logisch form-geführter Reasoning- und Retrieval-Framework, das auf der OpenSPG-Engine und LLMs basiert. Es wird verwendet, um logische Reasoning- und faktenbasierte Q&A-Lösungen für professionelle Domänen-Wissensdatenbanken zu erstellen. Es kann die Nachteile des traditionellen RAG-Vektorsimilaritäts-Berechnungsmodells effektiv überwinden.
Chisel ist eine Sammlung von LLDB-Befehlen zur Unterstützung des Debuggens von iOS-Apps.
Verhindern Sie Cloud-Fehlkonfigurationen und finden Sie Schwachstellen zur Build-Zeit in Infrastructure as Code, Container-Images und Open-Source-Paketen mit Checkov von Bridgecrew.
Lokaler Videoeditor für Coding-Agenten: 42 FFmpeg-Tools mit maschinenlesbarem Vertrag und einem MCP-Server für Claude Code, Cursor und Codex. Schneiden, Untertitel, Bildausschnitt anpassen, Lautheit einstellen und Plattform-Exporte. Keine Cloud, keine API-Schlüssel.
Ein interaktiver Kommandozeilen-HTTP- und API-Test-Client, der auf HTTPie aufbaut und Autovervollständigung, Syntaxhervorhebung und mehr bietet. https://twitter.com/httpie
Das offizielle Repository für „Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting“, ACL, 2025.
Domänenspezifische Sprache zur Optimierung der Entwicklung von Hochleistungs-GPU/CPU/Beschleuniger-Kernen
Eine PyTorch-Erweiterung: Tools für einfaches Mixed-Precision- und verteiltes Training in PyTorch
Kuratiere Liste von Arbeiten und Ressourcen, die sich auf 3D Gaussian Splatting konzentrieren, um mit der erwarteten Welle von Forschung in den kommenden Monaten Schritt zu halten.
Spracherkennungsmodul für Python, das mehrere Engines und APIs unterstützt, online und offline.
11 Claude-Fähigkeiten für den Daytrading-Handel: Tausende Charts analysieren, aktuelle Nachrichten verfolgen, jeden Ein- und Ausstieg zeitlich abstimmen und alle Ergebnisse durchspielen, bevor Sie auch nur einen Dollar riskieren.
Auf Übungen aus der MoureDev-Community basierende Lernroute zum Erlernen und Üben von Logik mit jeder Programmiersprache.
Die offizielle Python-Clientbibliothek für Googles Discovery-basierte APIs.
Eine Sammlung von Beispielen und Tutorials zum maschinellen Lernen.
Der einfachste Weg, AI-Apps und -Modelle zu hosten - Erstellen Sie Model Inference APIs, Job-Warteschlangen, LLM-Apps, Multi-Model-Pipelines und mehr!
Liest Schlüssel-Wert-Paare aus einer .env-Datei und kann sie als Umgebungsvariablen setzen. Es hilft bei der Entwicklung von Anwendungen nach den 12-Faktor-Prinzipien.